CapiCap · 常见问题

问题与解答

要花多少钱,你的视频会怎样,它能做什么、不能做什么,以及出问题时可以试试什么。

Alex Brazh · 2026年10月26日

CapiCap 是我一个人做的。这些回答针对的是 1.9 版。从选择视频到存储加好字幕的视频,完整过程见这篇分步指南。

费用

CapiCap 免费吗?

在一定范围内免费。它免费下载,所有功能都有,每个日历月有 3 次免费导出。超出之后,“终身使用”是一次性购买(在美国为 $9.99,其他地区按当地定价),可以永久取消这个限制。没有订阅,也没有广告。你的 3 次导出在每月初恢复,按你设备的时区计算;用完之后,“终身使用”的购买页面会显示下一批 3 次到来的日期。

什么算一次导出?

一次完成的视频渲染,完成的那一刻就计数,即使是同一个项目再导出一次。失败或你取消的渲染不计次数。已经渲染好的视频,再次存储或共享,以及导出它的 .srt,想做几次都免费。导出 .srt 不管在渲染之前还是之后,都不会占用你的 3 次;和存储、共享一样,只有在当月 3 次用完、而你又没有“终身使用”时,它才会被锁住。

我买了“终身使用”。怎样在另一台设备上使用?

在那台设备上用同一个 Apple 账户登录,然后打开 CapiCap。App 启动时会向 App Store 核对你的购买,所以“终身使用”通常会自动开启。如果没有,轻点恢复购买:它在“终身使用”的购买页面上;达到每月上限后,关于 CapiCap(首页上的信息按钮)里也有。

你的视频

CapiCap 会上传我的视频吗?

不会。转录、编辑和导出都在你的设备上进行,你的视频、音频、转录文字和导出的文件永远不会被上传,不会上传给我,也不会上传给任何其他人。App 只在下载语音模型时需要联网:首次启动时下载一个,视频的语言需要时再下载另一个。之后完全不联网也能工作,开着飞行模式也行。联网时,它还会向我发送匿名使用事件,比如一次转录或导出完成了、花了多长时间,其中不含任何文字、文件名或视频,也没有任何与你关联的信息。不需要账号,没有广告,也没有订阅。详情见隐私政策。

有水印吗?

没有,免费导出没有,“终身使用”也没有。你导出的视频上只有你的字幕,别的什么都没有。

导出的视频能保留原画质吗?

能,只有一个例外。它保留视频的分辨率、帧率和码率,4K60 也不例外,每一条音轨都原样复制。例外是 HDR:HDR 视频会导出为 SDR (Rec.709)。编辑器预览的也是同样的 SDR 画面,所以导出的效果和你看到的一致。

能导出 .srt 文件吗?

能。导出 .srt 就在导出视频下面,它给你一个标准的 SubRip 文件,包含每条字幕的文字和时间,可用于 YouTube、Vimeo 或视频编辑软件。不需要先渲染视频。这里有一篇生成 .srt 的指南。

生成字幕

转录需要多长时间?

在较新的设备上,用时比视频本身短,短多少取决于语言。快速模型负责的 20 种欧洲语言(英语也在其中)最快:在 iPhone 17 Pro 上,一分钟的音频只要几秒。其他语言交给标准模型,它慢一些,在 iPhone 14 Pro 或更新机型、搭载 M 系列芯片的 iPad 和 Mac 上最快;在搭载 M1 Pro 的 MacBook Pro 上,62 分钟的音频用了它大约 11 分钟。安装后的第一次转录会慢一些,因为语音模型正在准备(下面会讲到)。

字幕的准确度如何?

很大程度上取决于录音。离麦克风近、说得清楚的话,要改的最少;音乐、几个人抢着说话、风声和很重的口音,造成了大多数错误。CapiCap 根据语言选择语音模型:20 种欧洲语言使用快速模型,在其中大多数语言上它的错误也更少;孟加拉语和波斯语使用专门为它们训练的模型;关于 CapiCap(首页上的信息按钮)会列出你设备上有的模型。它弄错的地方,你都可以在导出之前改正。

它听错的字词,我能改吗?

能。整份转录文字是一个和视频同步的字幕列表。轻点一条字幕就能编辑;可以拆分、合并、添加或删除字幕;在时间条上调整字幕的时间;任何操作都能撤销或重做。输入时,键盘上方的工具条可以播放或暂停视频,跳到上一条或下一条字幕;轻点字幕的时间,就只播放这一条。项目会随时自动保存。

字幕的样子,我能改哪些?

你从十二款样式中的一款开始(经典、冲击、卡拉OK、滑行、标签、封面、轮廓、热潮、流行、方框、杂志和打字机),自定义可以更改字体、字重、大写、大小、描边、颜色、阴影、背景、动效和位置。你可以把结果存储为自己的样式,或设为新视频的默认样式。布局页面上的行数设置每条字幕显示一行、两行或三行,默认两行,字幕会在自然的短语边界处断开。预览和导出用的是同一个渲染器,所以导出的视频和你在编辑器里看到的一样。

能把字幕放到人物后面吗?

能,用封面样式:字幕放在画面中人物的后面,就像杂志封面上的标题。Apple 的 Vision 主体识别在设备上逐帧找出人物,放到人物后面会找一个效果可行的高度。人物会挡住一个词太多时,字幕会回到前面,保证看得清。编辑器在暂停的画面上显示这个效果。我写过它的原理。

设备和语言

能在 iPad、Mac 或 Android 上用吗?

iPad 和 Mac 可以;Android 不行。CapiCap 是一个 App,适用于装有 iOS 17 或更高版本的 iPhone 和 iPad,以及运行 macOS 14 或更高版本、搭载 Apple 芯片(M1 或更新款)的 Mac;在 Mac 上,它作为 iPad App 运行在可调整大小的窗口里。在 Mac 上,以及横屏的 iPad 上,预览和完整的转录文字并排显示。在这两种设备上,你都可以从另一个 App 或“访达”拖一段视频,放到首页的任意位置。也没有 Windows 版或网页版。更多内容见在 Mac 上加字幕。

它能听懂哪些语言?

99+ 种,从英语、西班牙语、印地语和阿拉伯语,到威尔士语、斯瓦希里语和他加禄语。二十种欧洲语言交给更快的模型,孟加拉语和波斯语有自己专门的模型。它会自己识别视频里说的语言,拿不准时会问你,你也可以自己选。这里是完整列表,以及哪种语言由哪个模型转写。

为什么它又在下载一个语音模型?

因为视频的语言不在你设备上任何一个模型的覆盖范围内。孟加拉语和波斯语各有自己的模型,分别约 580 MB 和 640 MB。在只装有负责 20 种欧洲语言的快速模型的设备上,其他语言的视频会下载标准模型,约 630 MB。下载时会写明是为哪种语言下载的,关于 CapiCap 里列出了额外的模型,每个都带有移除。

它能翻译字幕吗?

不能。字幕始终是视频里说的那种语言。如果你需要翻译,导出 .srt,再用别的工具翻译。

它能标注是谁在说话吗?

不能,它不识别说话人。如果某条字幕需要写上名字,就把名字输入到字幕里。

出问题时

为什么第一次启动这么慢?

首次启动时,CapiCap 要下载一个语音模型,只需一次,所以那时需要联网。在较新的设备上,它接着会为神经网络引擎准备模型。标准模型可能要花几分钟;首页会显示预计时间,设备可能会发热。每次 App 更新后会再做一次。在搭载 M1 Pro 的 Mac 上用了 134 秒,之后每次加载大约 2 秒。负责 20 种欧洲语言的快速模型要快得多:在 iPhone 17 Pro 上大约 10 秒。

它选错了语言。怎么改?

转录过程中,轻点进度条下方的语言按钮,选对的那个;转录会用这种语言重新开始。之后,轻点字幕列表底部的语言按钮,选择语言,再轻点重新转录。这会根据视频重新生成字幕,所以你对字幕做的修改会丢失。识别语言时,它最多听视频中三段 30 秒的片段,所以一开头是音乐、或者混着几种语言的视频可能会骗过它。拿不准时,它会在转录之前问你视频里说的是哪种语言。

语音模型下载不下来。

通常它会自己解决。连接中断不会让下载失败:它会等待,进度条上显示正在等待网络连接…,然后从中断的地方继续,即使你离开 App 再回来也一样。如果可用空间不够,CapiCap 会告诉你需要释放多少。如果它真的因为错误停下了,点按重试就会重新开始。模型下载好之后,App 更新也会保留它。

“存储到‘照片’”不起作用。

如果 CapiCap 没有权限把视频添加到你的“照片”图库,导出屏幕会提示你,并提供打开设置,你可以在那里允许。如果因为别的原因存储失败,就改用共享…。在导出之前,如果可用空间不够存放新视频,CapiCap 也会提醒你。

CapiCap:视频字幕已上架 App Store,支持 iPhone、iPad 和 Mac。
在App Store 下载

更多